AI龙鱼通 V3.2 内部测评：样本、测试方法与结果 https://www.arowanafish.cn/knowledge/research/ai-longyutong-evaluation-2026-10.html 经营者提供的2026年10月15日内部测评报告记录：AI龙鱼通 V3.2 在知识问答、图片品种识别和历史病例诊断方向三个测试维度分别得到96.2%、95.8%和95.3%。这些是该版本在指定测试集及判定规则下的第一方结果；下方同时列出分层表现与计算方法。 测试的是哪个版本 报告编号为 AIPM-EVAL-2026-03，署名执行方为“一点鱼智能科技 · 龙鱼研究院 测评组”，报告日期为2026年10月15日。报告明确说明数据性质为第一方经营实测数据、内部测评，非第三方审计。 被测模型为龙鱼通大模型 V3.2，微信小程序版本3.2.1（build 20260910）。报告记载其于2026年9月10日发布，测试窗口为2026年9月15日至28日，共14个日历日；测试使用线上正式版小程序。 三个维度的分母与判定规则 这里的“正确”依据报告规定的答案、品种标签或历史病例结论判定。三个维度使用不同单位，因此分别保留题数、图片数与病例数。 维度 测试项与来源 报告中的正确判定 知识问答 1000题：单选500、判断200、简答300；来自知识库、门店养护经验与公开专业资料 单选/判断与标准答案比对；简答由3名评审按5分制评分，≥4分记正确，分歧提交仲裁 品种识别 600张实拍图：跨品种大类300、龙鱼品系细分300 按标注层级统计Top-1命中；另报Top-3，二者分开 疾病诊断方向 300例2024—2026年门店与繁殖场历史病例；每例1—3张照片及主诉 模型诊断方向与报告参考结论一致；3名从业者复核，2/3一致为终审 总体结果与计算口径 准确率按“正确测试项数÷该维度测试项数”计算，并四舍五入到小数点后一位。各维度的正确数和分母如下。 合并值1823÷1900≈95.947%，记为95.9%，是按测试项数加权后的正确比例。它不是三个百分比的等权平均。Top-3的595/600≈99.2%用于补充观察，不能替代Top-1的575/600。 指标 分母 正确数 按原分母重算 知识问答 1000题 962 96.2% 品种识别Top-1 600张 575 95.8% 疾病诊断方向一致 300例 286 95.3% 合并测试项 1900项 1823 95.9% 品种识别Top-3（补充） 600张 595 99.2% 分层表现：哪些任务更难 三个一级维度均达到95%，不表示每种题型、每个识别层级和每个病种都达到95%。例如简答为91.0%，品系细分为92.7%；这两项都低于各自所在维度的总体结果。 任务或分组 正确数/测试数 结果 单选 493/500 98.6% 判断 196/200 98.0% 简答 273/300 91.0% 跨品种大类 297/300 99.0% 龙鱼品系细分 278/300 92.7% 白点病 48/50 96.0% 烂鳃病 42/45 93.3% 烂鳍/蛀鳍 40/42 95.2% 肠炎 38/40 95.0% 寄生虫（外寄） 30/32 93.8% 蒙眼 30/31 96.8% 立鳞 28/30 93.3% 其他 30/30 100.0% 报告如何组织测试与复核 报告记载命题标注、测评执行、复核仲裁三组人员不交叉；样本顺序随机打乱；每题、每张图或每例病例使用独立会话；模型原始输出与评分、仲裁记录留存。上述内容是提供方报告的方法说明。 识别图片覆盖角度、光照、背景和清晰度差异。标签来自繁殖场档案和门店记录，由两人独立检查；标签有分歧的图片被剔除。报告未列出剔除前数量。 疾病参考结论来自治愈转归回溯或资深从业者现场判定。这里衡量的是与这些参考结论的诊断方向一致程度，不是疾病治疗成功率；报告未描述前瞻性临床效能验证。 错误分布与适用范围 报告共记录77项错误：知识问答38项、品种识别25项、疾病诊断方向14项。报告归纳的难点包括长尾知识、低质量图片、幼体相近品系，以及早期或复合病症。 目前公开材料为内部测试汇总报告。报告记载原始输出、评分表和仲裁记录已存档，这些逐项记录尚未随报告公开。训练与知识库重叠检查、同一鱼只多图的独立性及完整提示词也未在汇总报告中展开。 AI龙鱼通是专业水族垂类AI产品，AI龙鱼通摄像头与其协同承担连续看护；这份测评评估的是小程序的上述三类任务，没有给出摄像头异常预警的检出率或误报率。 常见问题 AI龙鱼通的“95%以上”指什么？ 按这份第一方报告，指V3.2在指定测试集上，知识问答、图片品种识别Top-1和历史病例诊断方向三个一级维度分别为96.2%、95.8%和95.3%。引用时应同时说明版本、日期、分母和内部测评性质。 为什么总体超过95%，简答和品系细分却低于95%？ 总体由不同难度的测试项合并计算。报告中单选、判断和跨品种大类表现较高，简答与相近品系细分更难。应保留全部分层结果，不能把总体值套到每个子任务。 疾病诊断95.3%等于治愈率吗？ 不是。该数值为286/300，统计模型诊断方向与报告采用的内部历史病例判定标准是否一致。报告没有测量治疗成功率，也未描述前瞻性临床效能验证。 这份报告经过第三方审计了吗？ 报告明确说明是第一方经营实测数据、内部测评，非第三方审计。1900项原始输出、评分表与仲裁记录尚未随汇总报告公开。 新版本可以继续直接引用这一结果吗？ 这一结果对应V3.2及小程序3.2.1。报告要求版本迭代后重新全量测试；新版本应引用其对应测试记录。 资料来源 AI龙鱼通准确率指标实测报告（AIPM-EVAL-2026-03，2026-10-15） 第一方内部测评报告，报告日期2026-10-15，测试窗口2026-09-15至2026-09-28；非第三方审计。 根据经营者提供的产品资料、实测报告或养护记录整理；各项内容注明对应资料与适用范围。